pyresparser

一个用于从简历中提取信息的简单简历解析器

由 Omkar Pathak 用 ❤︎ 和 :coffee: 构建

---

功能特性

• 提取姓名
• 提取邮箱
• 提取手机号码
• 提取技能（skills）
• 提取总工作经验（total experience）
• 提取大学名称（college name）
• 提取学位（degree）
• 提取职位（designation）
• 提取公司名称（company names）

安装

• 你可以使用以下命令安装本包：

pip install pyresparser

• 对于 NLP（自然语言处理，Natural Language Processing）操作，我们使用了 spacy 和 nltk。请使用以下命令安装它们：

# spaCy
python -m spacy download en_core_web_sm

# nltk
python -m nltk.downloader words
python -m nltk.downloader stopwords

文档

官方文档地址：https://www.omkarpathak.in/pyresparser/

支持的文件格式

• 所有操作系统均支持 PDF 和 DOCx 文件
• 如果你想解析 DOC 文件，可以在你的操作系统（Linux、MacOS）上安装 textract
• 注意：你只需安装 textract（无需其他依赖），DOC 文件即可被轻松解析

使用方法

• 在你的 Python 项目中导入：

from pyresparser import ResumeParser
data = ResumeParser('/path/to/resume/file').get_extracted_data()

命令行接口（CLI）

你也可以使用提供的 cli 来运行简历提取器：

usage: pyresparser [-h] [-f FILE] [-d DIRECTORY] [-r REMOTEFILE]
                   [-re CUSTOM_REGEX] [-sf SKILLSFILE] [-e EXPORT_FORMAT]

可选参数:
  -h, --help            显示此帮助信息并退出
  -f FILE, --file FILE  要提取的简历文件
  -d DIRECTORY, --directory DIRECTORY
                        包含所有待提取简历的目录
  -r REMOTEFILE, --remotefile REMOTEFILE
                        要提取的简历文件的远程路径
  -re CUSTOM_REGEX, --custom-regex CUSTOM_REGEX
                        用于解析手机号码的自定义正则表达式
  -sf SKILLSFILE, --skillsfile SKILLSFILE
                        用于匹配技能的自定义技能 CSV 文件
  -e EXPORT_FORMAT, --export-format EXPORT_FORMAT
                        信息导出格式（json）

注意事项：

• 如果你在 Windows 上运行本程序，则只能解析 .doc 和 .pdf 文件

结果

该模块将返回一个包含字典对象的列表，结果如下所示：

[
  {
    'college_name': ['Marathwada Mitra Mandal’s College of Engineering'],
    'company_names': None,
    'degree': ['B.E. IN COMPUTER ENGINEERING'],
    'designation': ['Manager',
                    'TECHNICAL CONTENT WRITER',
                    'DATA ENGINEER'],
    'email': 'omkarpathak27@gmail.com',
    'mobile_number': '8087996634',
    'name': 'Omkar Pathak',
    'no_of_pages': 3,
    'skills': ['Operating systems',
              'Linux',
              'Github',
              'Testing',
              'Content',
              'Automation',
              'Python',
              'Css',
              'Website',
              'Django',
              'Opencv',
              'Programming',
              'C',
              ...],
    'total_experience': 1.83
  }
]

参考资料

• 算法的一些核心概念借鉴自 https://github.com/divapriya/Language_Processing，并在该博客中进行了总结：https://medium.com/@divalicious.priya/information-extraction-from-cv-acec216c3f48。感谢 Priya 分享这一思路。

• https://www.kaggle.com/nirant/hitchhiker-s-guide-to-nlp-in-spacy

• https://www.analyticsvidhya.com/blog/2017/04/natural-language-processing-made-easy-using-spacy-%E2%80%8Bin-python/

• 特别感谢 dataturks 提供的标注数据集

捐赠

如果你觉得我的软件对你有所帮助，请考虑帮我支付一下网络账单。这将鼓励我开发更多类似的软件 :smile:

PayPal
₹ (INR)

Star 数量随时间变化

pyresparser 快速上手指南

环境准备

• 操作系统：支持 Windows、Linux 和 macOS

  注意：Windows 下仅支持 .pdf 和 .docx 文件；如需解析 .doc 文件，需额外安装 textract

• Python 版本：建议使用 Python 3.6+
• 依赖库：底层依赖 spaCy 和 nltk 进行自然语言处理

安装步骤

1. 安装主包（推荐使用国内镜像加速）：

pip install pyresparser -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 安装 spaCy 英文语言模型：

python -m spacy download en_core_web_sm

3. 安装 NLTK 所需数据：

python -m nltk.downloader words
python -m nltk.downloader stopwords

如需解析 .doc 文件，请根据操作系统安装 textract

基本使用

在 Python 脚本中导入并解析简历文件：

from pyresparser import ResumeParser
data = ResumeParser('/path/to/resume/file.pdf').get_extracted_data()
print(data)

支持的文件格式：.pdf、.docx（全平台），.doc（需安装 textract）

返回结果为字典，包含姓名、邮箱、电话、技能、工作经验、学历等字段。